Characterization of the background spectrum in DAMIC at SNOLAB
Notice bibliographique
Résumé
We construct the first comprehensive radioactive background model for a dark matter search with charge-coupled devices (CCDs). We leverage the well-characterized depth and energy resolution of the DAMIC at SNOLAB detector and a detailed geant4-based particle-transport simulation to model both bulk and surface backgrounds from natural radioactivity down to $50\text{ }\text{ }{\mathrm{eV}}_{\mathrm{ee}}$. We fit to the energy and depth distributions of the observed ionization events to differentiate and constrain possible background sources, for example, bulk $^{3}\mathrm{H}$ from silicon cosmogenic activation and surface $^{210}\mathrm{Pb}$ from radon plate-out. We observe the bulk background rate of the DAMIC at SNOLAB CCDs to be as low as $3.1\ifmmode\pm\else\textpm\fi{}0.6\text{ }\text{ }\mathrm{counts}\text{ }{\mathrm{kg}}^{\ensuremath{-}1}\text{ }{\mathrm{day}}^{\ensuremath{-}1}\text{ }{\mathrm{keV}}_{\mathrm{ee}}^{\ensuremath{-}1}$, making it the most sensitive silicon dark matter detector. Finally, we discuss the properties of a statistically significant excess of events over the background model with energies below $200\text{ }\text{ }{\mathrm{eV}}_{\mathrm{ee}}$.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».